Erstellen eines Prototyps für Toolaufruf-Agents im KI-Playground

Auf dieser Seite wird gezeigt, wie Sie einen KI-Agenten zum Aufrufen von Werkzeugen mit dem KI-Playground prototypieren.

Verwenden Sie den KI-Playground, um schnell einen Toolanruf-Agent zu erstellen und damit live zu chatten, um zu sehen, wie sich das Verhalten verhält. Exportieren Sie dann den Agent für die Bereitstellung oder Weiterentwicklung in Python.

Informationen zum Erstellen von Agents mit einem Code-First-Ansatz finden Sie unter Author AI agents in code (Erstellen von KI-Agents im Code).

Anforderungen

Ihr Arbeitsbereich muss über die folgenden Features verfügen, um Agents mit AI Playground prototypenfähig zu machen:

• Unity-Katalog
• Mosaik AI Agent Framework

• Foundation Models. Verfügbarkeit von Features zur Modellbereitstellung anzeigen

Erstellen eines Prototyps für Toolaufruf-Agents im KI-Playground

So erstellen Sie einen Prototyp für einen Toolaufruf-Agent

1. Wählen Sie im Playground ein Modell mit der Bezeichnung Aktivierte Tools aus.

   

2. Klicken Sie auf Extras> + Tool hinzufügen und wählen Sie Tools aus, um dem Agenten zu geben. Sie können bis zu 20 Tools auswählen. Zu den Tooloptionen gehören:

   • UC-Funktion: Wählen Sie eine Unity-Katalogfunktion aus, die Ihr Agent verwenden soll.
   • Funktionsdefinition: Definieren Sie eine benutzerdefinierte Funktion für den Agent, die aufgerufen werden soll.
   • Vektorsuche: Geben Sie einen Vektorsuchindex an. Wenn Ihr Agent einen Vektorsuchindex verwendet, wird in seiner Antwort die verwendeten Quellen zitiert.
   • MCP: Geben Sie MCP-Server an, um verwaltete Databricks MCP-Server oder externe MCP-Server zu verwenden.

   Wählen Sie für diese Anleitung die integrierte Unity-Katalogfunktion system.ai.python_execaus. Diese Funktion bietet Ihrem Agent die Möglichkeit, beliebigen Python-Code auszuführen. Informationen zum Erstellen von Agenttools finden Sie unter Auswählen des Toolansatzes.

   

   Sie können auch einen Vektorsuchindex auswählen, mit dem Ihr Agent den Index abfragen kann, um auf Abfragen zu reagieren.

   

3. Chatten Sie, um die aktuelle Kombination aus LLM, Tools und Systemaufforderungen zu testen und Variationen auszuprobieren. Das LLM wählt das entsprechende Tool aus, das zum Generieren einer Antwort verwendet werden soll.

   

   Wenn Sie eine Frage im Zusammenhang mit Informationen im Vektorsuchindex stellen, fragt die LLM nach den benötigten Informationen ab und zitiert alle Quelldokumente, die in ihrer Antwort verwendet werden.

   

Exportieren und Bereitstellen von KI-Playground-Agenten

Nachdem Sie den KI-Agenten im KI-Playground erstellt haben, exportieren Sie ihn in Python Notebooks, um ihn an einem Endpunkt für Modelldienste bereitzustellen.

1. Klicken Sie auf "Code abrufen">"Agent-Notizbuch erstellen", um das Notizbuch zu generieren, das den KI-Agenten definiert und bereitstellt.

   Nach dem Exportieren des Agentcodes wird ein Ordner mit einem Treibernotizbuch in Ihrem Arbeitsbereich gespeichert. Dieser Treiber definiert einen toolaufrufenden ResponsesAgent, testet den Agent lokal, verwendet codebasierte Protokollierung, registriert und stellt den KI Agent mithilfe von Mosaic AI Agent Framework bereit.

2. Bearbeiten Sie alle TODOs im Notizbuch.

Agenten im Code entwickeln

Verwenden Sie die exportierten Notizbücher, um automatisiert zu testen und zu iterieren. Verwenden Sie das Notizbuch, um z. B. Tools hinzuzufügen oder die Parameter des Agents anzupassen.

Bei der programmgesteuerten Entwicklung müssen Agents bestimmte Anforderungen erfüllen, um mit anderen Databricks-Agent-Features kompatibel zu sein. Informationen zum Erstellen von Agents mit einem Code-first-Ansatz finden Sie unter Erstellen von KI-Agents im Code

Nächste Schritte

• Erstellen Sie Ihre eigenen Agent-Tools.
• Protokollieren eines KI-Agents
• Hinzufügen von Ablaufverfolgungen zu einem KI-Agent
• Bereitstellen eines KI-Agents.